Grasp Taxonomy
- 又稱: grasp classification
- 類別: Planning & manipulation › Manipulation
- 標籤: grasping, human-hand, dexterous-manipulation, prosthetics, hand-design
對手握持物體方式的結構化分類,例如力量型、精準型與側向抓握,用於分析人類的抓握,以及設計與控制機器手。
定義
抓取分類法(grasp taxonomy)是把手的抓握方式分成一組離散、具名類型的分類體系,依據手的哪些部位彼此對立、用到幾根手指、抓握偏重穩定還是精細控制等準則來組織。最早也最廣為使用的區分是力量型抓握(power grasps)與精準型抓握(precision grasps):前者把物體抵著手掌握住,後者把物體夾在指尖與拇指之間;這個區分由 Napier 在 1956 年提出。後來的分類法把它細分為許多具名類型,例如大包握與小包握、三指握、側捏、鉤握與圓盤握。
機器人領域特別常用兩種分類法。Cutkosky (1989) 研究使用工具的機械加工師傅,把抓握組織成一棵樹,從力量型延伸到精準型抓握、從物體形狀延伸到任務需求,目的是引導製造任務用機器手的設計。Feix 等人的 GRASP 分類法整合了先前的分類法,整理出 33 種抓握類型,並依對立類型(指腹、手掌或側面對立)、拇指外展或內收、虛擬手指的數目,以及抓握屬於力量型、中間型或精準型,排成一張表。對立類型與虛擬手指是 Iberall 及其同事發展出來的概念,它們以手的哪些表面施加彼此對立的力來描述抓握,而不是以個別手指的位置來描述。
對機器人而言,分類法的角色是共同的詞彙,而不是控制律。它們被用來標註人類示範,讓機器人能辨認人使用了哪一種抓握;用來在多指手的一小組預成形之中做選擇;用來比較機器手或義肢手能重現多少種人類抓握類型;以及用來組織抓取資料集。抓握類型對確切的接觸位置或力幾乎沒有說明,因此通常會與幾何抓取規劃或學習而得的控制器結合,由後者把選定的類型轉換成對特定物體的實際抓取。
為何重要
抓取分類法把人手的使用方式與機器手的設計和控制連結起來。它們讓工程師能以精簡的方式規定一隻手必須做到什麼、評估靈巧手與義肢手,並把人類示範轉換成機器人能據以行動的抓取選擇。
主要應用
- 機器手與義肢手的設計與基準評測
- 為模仿學習標註人類抓握示範
- 為多指抓取規劃選擇預成形
- 從影像、手套或 EMG 訊號辨識抓握類型
- 人因工程與手部功能評估
實際應用
一個團隊建構了一套系統,讓它從人們在虛擬實境中戴著受追蹤的資料手套所做的示範裡,學習廚房任務。每段示範被切分成多個動作,每次抓握都以 Feix 分類法中的一種類型來標註,例如瓶子用中包握、香料罐蓋用三指握、卡片用側捏。機器人重現任務時,會把標註的類型對應到它的多指手上少數幾種可用預成形之一,並在目標物體上執行一個限定於該預成形的抓取規劃器。同樣的標註也讓團隊能計算出他們的手無法重現哪些抓握類型,並判斷換一種手的設計能否涵蓋他們在意的任務。
常見誤解
- 抓握類型就完整決定了一次抓取 — 它只指出手部構型屬於哪一類,並不包含接觸點、力或物體姿態,這些仍需要規劃
- 有一套標準的抓取分類法 — 目前有好幾套在使用,包括 Napier、Cutkosky 與 Feix 等人的分類法,它們的類別與準則各不相同
- 抓取分類法只適用於擬人手 — 對立類型與虛擬手指同樣可以描述平行夾爪與欠驅動夾爪所做的抓取
誰需要了解
- 機器手與義肢設計者
- 靈巧操作研究人員
- 建構示範學習系統的工程師
- 生物力學與人體動作研究人員
相關技術
- GRASP 分類法(Feix et al.)
- Cutkosky 抓取分類法
- 資料手套(Data Gloves)
- 手部姿態估測(Hand Pose Estimation)
- 肌電圖(Electromyography,EMG)
相關術語
- Grasp Planning
- Dexterous Manipulation
- Eigengrasp
- Underactuated Hand
- Motion Retargeting
- Task-Oriented Grasping
相關專案
- Gymnasium-Robotics: Robotics RL benchmark environments for Gymnasium, from the Farama Foundation
- mink: Python inverse kinematics library built on MuJoCo supporting 20+ robot platforms
- TriFinger: Open-source 9-DOF tri-finger dexterous manipulation platform for RL and robotics research
- TRLC-DK1: Bimanual robot platform for humanoid data collection with LeRobot
- ORCA Hand: Open-source tendon-driven robotic hands with tactile sensing from ETH Zurich
- RoboKit: GPU toolkit that solves thousands of robot IK, planning and retargeting problems at once